使用 RoseTTAFold2 高效且准确地预测蛋白质结构

摘要 AlphaFold2 和 RoseTTAFold 尽管在架构上存在显著差异，但都能以极高的准确度预测蛋白质结构。我们力求开发一种结合两者特征的改进方法。所得方法 RoseTTAFold2 在整个网络中扩展了 RoseTTAFold 最初的三轨（three-track）架构，融合了 Frame-aligned point error 的概念、训练期间的循环机制（recycling）以及使用来自 AlphaFold2 的蒸馏数据集。我们还借鉴了 AlphaFold2 中在更新配对特征时采用结构连贯注意力的思想，但采用了在计算上更高效的结构偏置注意力（structure-biased attention），而非三角注意力（triangle attention）。所得模型在单体上的准确度达到了 AlphaFold2 的水平，在复合物上达到了 AlphaFold2-multimer 的水平，并且对于大型蛋白质和复合物具有更好的计算可扩展性。这一优异性能是在没有 AlphaFold2 标志性特征（不变点注意力 [invariant point attention] 和三角注意力）的情况下实现的，表明这些特征对于高精度预测并非必不可少。近期几乎所有关于蛋白质结构预测的研究都复用了基本的 AlphaFold2 架构；我们的结果表明，更广泛的模型类别同样可以实现优异的性能，为进一步探索打开了大门。